文章目录
1.图基本介绍
为什么要有图?
前面我们学了线性表和树
线性表局限于一个直接前驱和一个直接后继的关系
树也只能有一个直接前驱也就是父节点。
当我们需要表示多对多的关系时,这里我们就用到了"图"。
图是一种数据结构,其中
结点可以具有零个或多个相邻元素
。两个结点之间的连接称为边。 结点也可以称为顶点。如图:
图的常用概念:
- 顶点(vertex)
- 边(edge)
![image-20201122172557096](https://i-blog.csdnimg.cn/blog_migrate/40aa1f0407711bc9606d09999db764e5.png)
- 路径:比如从 D -> C 的路径有
- D->B->C
- D->A->B->C
- 无向图(上图):顶点之间的连接没有方向,比如A-B,即可以是 A-> B 也可以 B->A .
- 有向图:顶点之间的连接有方向,比如A-B,只能是 A-> B 不能是 B->A .
![image-20201122172710247](https://i-blog.csdnimg.cn/blog_migrate/a4ebe2db5054892ca660c6f4791e376f.png)
- 带权图:这种边带权值的图也叫网
![image-20201122172825241](https://i-blog.csdnimg.cn/blog_migrate/4d978ce2844552db0c8d3bea1708b3dd.png)
2.图的表示方式
图的表示方式有两种:
- 二维数组表示(邻接矩阵)
- 链表表示(邻接表)
2.1 邻接矩阵
邻接矩阵是表示图形中顶点之间相邻关系的矩阵,对于n个顶点的图而言,矩阵是row和col表示的1....n个点。
![image-20201122185310403](/Users/xiexu/Library/Application%20Support/typora-user-images/image-20201122185310403.png)
2.2 邻接表
1.邻接矩阵需要为每个顶点都分配n个边的空间,其实有很多边都是不存在的,会造成空间的一定损失.
2.邻接表的实现只关心存在的边,不关心不存在的边。因此没有空间浪费,邻接表由"数组+链表"组成
![image-20201122185634299](https://i-blog.csdnimg.cn/blog_migrate/54d0c59ae180fd3ed9889d8ca0a01eb2.png)
说明:
1.标号为0的结点的相关联的结点为 1,2,3,4
2.标号为1的结点的相关联结点为 0,4
3.标号为2的结点相关联的结点为 0,4,5
4.....
3.图的创建图解
要求: 代码实现如下图结构
思路分析
(1) 存储顶点String类型,使用ArrayList保存顶点
(2) 保存矩阵 int[][] edges
3.1 代码实现
/**
* @author xiexu
* @create 2020-11-22 7:19 下午
*/
public class Graph {
ArrayList<String> vertexList; //存储顶点的集合
int[][] edges; //存储图对应的邻接矩阵
int numOfEdges; //表示边的数目
public static void main(String[] args) {
//测试一把图是否创建成功
int n = 5; //节点的个数
String Vertexs[] = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(5);
//循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
//添加边
//A-B A-C B-C B-D B-E
graph.insertEdge(0, 1, 1); // A-B
graph.insertEdge(0, 2, 1); // A-C
graph.insertEdge(1, 2, 1); // B-C
graph.insertEdge(1, 3, 1); // B-D
graph.insertEdge(1, 4, 1); // B-E
//显示邻接矩阵
graph.showGraph();
}
//构造器
public Graph(int n) {
// 初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
//插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* @param v1 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2 表示第二个顶点对应的下标
* @param weight 表示权值,1代表相关联,0表示不关联
*/
//添加边
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//图中常用的方法
// 返回节点的个数
public int getNumber() {
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//返回节点i(下标)对应的数据:0->"A" 1->"B" 2->"C"
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
}
程序执行结果
[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
4.图的深度优先遍历(DFS)算法图解
图遍历介绍
-
所谓图的遍历,即是对结点的访问。一个图有那么多个结点,如何遍历这些结点,需要特定策略
-
一般有两种访问策略:
深度优先遍历
广度优先遍历
深度优先遍历基本思想
图的深度优先搜索(Depth First Search) 。
1.深度优先遍历,从初始访问结点出发,初始访问结点可能有多个邻接结点,深度优先遍历的策略就是首先访问第一个邻接结点,然后再以这个被访问的邻接结点作为初始结点,访问它的第一个邻接结点, 可以这样理解:每次都在访问完"当前结点"后首先访问"当前结点的第一个邻接结点"。
2.我们可以看到,这样的访问策略是优先"往纵向挖掘深入",而不是对一个结点的所有邻接结点进行横向访问。
3.显然,深度优先搜索是一个"递归"的过程。
深度优先遍历算法步骤
1.访问初始结点v,并标记结点v为已访问。
2.查找结点v的第一个邻接结点w。
3.若w存在:
3.1 如果w未被访问过,就把w当做下一个v,输出该w,然后标记w已被访问过,接着查找w的第一个邻接节点,继续执行深度遍历
3.2 如果w已经被访问过,就以v为前驱节点,找到w后面的下一个邻接节点
若w不存在:
3.3 说明v真的没有下一个邻接节点了,已经到头了,我们回到w,继续以v为前驱节点,找到w后面的下一个邻接节点
4.经过如上步骤,图中可能还有其他顶点未被访问,继续从下一个顶点执行如上操作
如何找到当前顶点的下一个邻接点?
假设当前正在遍历的顶点索引为 i ,顶点 i 的边信息存储在 edges[][]数组中第 i 行
假设顶点 i 当前遍历到的邻接节点索引为 j ,即已经遍历到了 第 edges[i][j]处,需要从 edges[i][j]之后去找顶点 i 的下一个邻接点索引,也就是edges[i][j+1]
举例说明
- 访问顶点 A 后输出 A ,A 的第一个邻接节点是 B ,B 未被访问过,我们访问顶点 B
- 访问顶点 B 后输出 A–> B
- B 的第一个邻接节点 A 已经被访问过了
- B 的第二个邻接节点 C 还未被访问过,我们访问节点 C
- 访问节点 C
- C 的第一个邻接节点是 A ,然而 A 已经访问过了
- C 的下一个邻接节点是 B ,然而 B 也已经访问过了
- 除此之外,C 再也没有其他邻接点
- 我们回到顶点 B ,访问节点 B 的下一个邻接点:顶点 D
- 访问顶点 D 后输出 A --> B --> C --> D ,D 没有邻接节点,所以又返回到顶点 B ,访问顶点 B 的下一个邻接点:顶点 E
- 访问顶点 E 后输出 A --> B --> C --> D --> E,E 没有邻接节点,所以又返回到顶点 B
- B 的所有邻接点都访问过了,返回到顶点 A
- 以上所有操作仅是一轮,还需要再对图中其他顶点进行以上操作
4.1 代码实现
/**
* @author xiexu
* @create 2020-11-22 7:19 下午
*/
public class Graph {
ArrayList<String> vertexList; //存储顶点的集合
int[][] edges; //存储图对应的邻接矩阵
int numOfEdges; //表示边的数目
// 定义一个数组boolean[], 记录某个节点是否被访问
boolean[] isVisited;
public static void main(String[] args) {
//测试一把图是否创建成功
int n = 5; //节点的个数
String Vertexs[] = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(5);
//循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
//添加边
//A-B A-C B-C B-D B-E
graph.insertEdge(0, 1, 1); // A-B
graph.insertEdge(0, 2, 1); // A-C
graph.insertEdge(1, 2, 1); // B-C
graph.insertEdge(1, 3, 1); // B-D
graph.insertEdge(1, 4, 1); // B-E
//显示邻接矩阵
graph.showGraph();
//测试一把,我们的dfs遍历是否ok
System.out.println("深度遍历");
graph.dfs(); // A->B->C->D->E
}
//构造器
public Graph(int n) {
// 初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
//插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* @param v1 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2 表示第二个顶点对应的下标
* @param weight 表示权值,1代表相关联,0表示不关联
*/
//添加边
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//图中常用的方法
// 返回节点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//返回节点i(下标)对应的数据:0->"A" 1->"B" 2->"C"
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
/**
* index是行,指的是出发的节点
* j 遍历的是列,指的是要到达的节点
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
//得到第一个邻接节点的下标 w
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
/**
* 如果w节点已经访问过,就继续查找下一个邻接节点
*
* @param v1 v1代表第v1行
* @param v2 v2代表第v2列,并且v2是v1的邻接节点
* @return
*/
//根据前一个邻接节点的下标,获取下一个邻接节点
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;
}
}
return -1;
}
//深度优先遍历算法
public void dfs(boolean[] isVisited, int i) {
//首先我们访问该节点,并输出
System.out.print(getValueByIndex(i) + "->");
//将节点设置为已经访问过
isVisited[i] = true;
//查找节点i的第一个邻接节点w
int w = getFirstNeighbor(i);
while (w != -1) { //说明第一个邻接节点w是存在的
//如果w节点未被访问过
if (!isVisited[w]) { //isVisited[w]默认是false
dfs(isVisited, w);
}
//如果w节点已经被访问过,就返回i节点查找下一个邻接节点
w = getNextNeighbor(i, w);
}
}
//对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的节点,进行dfs[回溯]
//getNumOfVertex()返回节点的个数
for (int i = 0; i < getNumOfVertex(); i++) {
//如果当前节点i没有被访问过,就进行dfs遍历
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
}
5.图的广度优先遍历(BFS)算法图解
广度优先遍历基本思想
图的广度优先搜索(Broad First Search)
类似于一个分层搜索的过程,广度优先遍历需要使用一个队列以保持访问过的结点的顺序,以便按这个顺序来访问这些结点的邻接结点
广度优先遍历算法步骤
1.访问初始结点v并标记结点v为已访问。
2.结点v入队列
3.当队列非空时,继续执行步骤4,否则算法结束。
4.出队列,取出队列的头结点u的下标。
5.查找结点u的第一个邻接结点w。
6.若结点u的邻接结点w不存在,则转到步骤3;否则循环执行以下三个步骤:
6.1 若结点w尚未被访问,则访问结点w并标记为已访问。
6.2 结点w入队列
6.3 以u为前驱节点,找到w后面的下一个邻接节点,并转到步骤6。
5.1 代码实现
/**
* @author xiexu
* @create 2020-11-22 7:19 下午
*/
public class Graph {
ArrayList<String> vertexList; //存储顶点的集合
int[][] edges; //存储图对应的邻接矩阵
int numOfEdges; //表示边的数目
// 定义一个数组boolean[], 记录某个节点是否被访问
boolean[] isVisited;
public static void main(String[] args) {
//测试一把图是否创建成功
int n = 5; //节点的个数
String Vertexs[] = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(5);
//循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
//添加边
//A-B A-C B-C B-D B-E
graph.insertEdge(0, 1, 1); // A-B
graph.insertEdge(0, 2, 1); // A-C
graph.insertEdge(1, 2, 1); // B-C
graph.insertEdge(1, 3, 1); // B-D
graph.insertEdge(1, 4, 1); // B-E
//显示邻接矩阵
graph.showGraph();
//测试一把,我们的dfs遍历是否ok
System.out.println("深度遍历");
graph.dfs(); // A->B->C->D->E
System.out.println();
System.out.println("广度遍历");
graph.bfs(); // A->B->C->D->E
}
//构造器
public Graph(int n) {
// 初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
//插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* @param v1 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2 表示第二个顶点对应的下标
* @param weight 表示权值,1代表相关联,0表示不关联
*/
//添加边
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//图中常用的方法
// 返回节点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//返回节点i(下标)对应的数据:0->"A" 1->"B" 2->"C"
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
/**
* index是行,指的是出发的节点
* j 遍历的是列,指的是要到达的节点
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
//得到第一个邻接节点的下标 w
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
/**
* 如果w节点已经访问过,就继续查找下一个邻接节点
*
* @param v1 v1代表第v1行
* @param v2 v2代表第v2列,并且v2是v1的邻接节点
* @return
*/
//根据前一个邻接节点的下标,获取下一个邻接节点
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;
}
}
return -1;
}
//深度优先遍历算法
public void dfs(boolean[] isVisited, int i) {
//首先我们访问该节点,并输出
System.out.print(getValueByIndex(i) + "->");
//将节点设置为已经访问过
isVisited[i] = true;
//查找节点i的第一个邻接节点w
int w = getFirstNeighbor(i);
while (w != -1) { //说明第一个邻接节点w是存在的
//如果w节点未被访问过
if (!isVisited[w]) { //isVisited[w]默认是false
dfs(isVisited, w);
}
//如果w节点已经被访问过,就返回i节点查找下一个邻接节点
w = getNextNeighbor(i, w);
}
}
//对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的节点,进行dfs[回溯]
//getNumOfVertex()返回节点的个数
for (int i = 0; i < getNumOfVertex(); i++) {
//如果当前节点i没有被访问过,就进行dfs遍历
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
//对一个节点进行广度优先遍历的方法
public void bfs(boolean[] isVisited, int i) {
int u; //表示队列的头结点对应的下标
int w; //邻接节点w
//队列,记录节点访问的顺序
LinkedList<Integer> queue = new LinkedList<>();
//访问节点,输出节点的信息
System.out.print(getValueByIndex(i) + "->");
//标记为已访问
isVisited[i] = true;
//将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列的头结点的下标
u = queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) { //找到第一个邻接节点
//判断w是否被访问过
if (!isVisited[w]) { //isVisited[w]默认为false
System.out.print(getValueByIndex(w) + "->");
//标记w被访问过
isVisited[w] = true;
//将w入队列
queue.addLast(w);
}
//以u为前驱节点,找到w后面的下一个邻接节点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有的节点,都进行广度优先搜索
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
}
6.图的深度优先 VS 广度优先
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
深度优先遍历顺序为 1->2->4->8->5->3->6->7
广度优先算法的遍历顺序为 1->2->3->4->5->6->7->8
/**
* @author xiexu
* @create 2020-11-22 7:19 下午
*/
public class Graph {
ArrayList<String> vertexList; //存储顶点的集合
int[][] edges; //存储图对应的邻接矩阵
int numOfEdges; //表示边的数目
// 定义一个数组boolean[], 记录某个节点是否被访问
boolean[] isVisited;
public static void main(String[] args) {
//测试一把图是否创建成功
int n = 5; //节点的个数
String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
//创建图对象
Graph graph = new Graph(8);
//循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
//添加边
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
//显示邻接矩阵
graph.showGraph();
//测试一把,我们的dfs遍历是否ok
System.out.println("深度遍历");
graph.dfs(); // A->B->C->D->E
System.out.println();
System.out.println("广度遍历");
graph.bfs(); // A->B->C->D->E
}
//构造器
public Graph(int n) {
// 初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
//插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* @param v1 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2 表示第二个顶点对应的下标
* @param weight 表示权值,1代表相关联,0表示不关联
*/
//添加边
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//图中常用的方法
// 返回节点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//返回节点i(下标)对应的数据:0->"A" 1->"B" 2->"C"
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
/**
* index是行,指的是出发的节点
* j 遍历的是列,指的是要到达的节点
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
//得到第一个邻接节点的下标 w
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
/**
* 如果w节点已经访问过,就继续查找下一个邻接节点
*
* @param v1 v1代表第v1行
* @param v2 v2代表第v2列,并且v2是v1的邻接节点
* @return
*/
//根据前一个邻接节点的下标,获取下一个邻接节点
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;
}
}
return -1;
}
//深度优先遍历算法
public void dfs(boolean[] isVisited, int i) {
//首先我们访问该节点,并输出
System.out.print(getValueByIndex(i) + "->");
//将节点设置为已经访问过
isVisited[i] = true;
//查找节点i的第一个邻接节点w
int w = getFirstNeighbor(i);
while (w != -1) { //说明第一个邻接节点w是存在的
//如果w节点未被访问过
if (!isVisited[w]) { //isVisited[w]默认是false
dfs(isVisited, w);
}
//如果w节点已经被访问过,就以v为前驱节点,找到w后面的下一个邻接节点
w = getNextNeighbor(i, w);
}
}
//对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的节点,进行dfs[回溯]
//getNumOfVertex()返回节点的个数
for (int i = 0; i < getNumOfVertex(); i++) {
//如果当前节点i没有被访问过,就进行dfs遍历
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
//对一个节点进行广度优先遍历的方法
public void bfs(boolean[] isVisited, int i) {
int u; //表示队列的头结点对应的下标
int w; //邻接节点w
//队列,记录节点访问的顺序
LinkedList<Integer> queue = new LinkedList<>();
//访问节点,输出节点的信息
System.out.print(getValueByIndex(i) + "->");
//标记为已访问
isVisited[i] = true;
//将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列的头结点的下标
u = queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) { //找到第一个邻接节点
//判断w是否被访问过
if (!isVisited[w]) { //isVisited[w]默认为false
System.out.print(getValueByIndex(w) + "->");
//标记w被访问过
isVisited[w] = true;
//将w入队列
queue.addLast(w);
}
//以u为前驱节点,找到w后面的下一个邻接节点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有的节点,都进行广度优先搜索
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
}
程序运行结果
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
深度遍历
1->2->4->8->5->3->6->7->
广度遍历
1->2->3->4->5->6->7->8->